Spatial distribution and socioeconomic differences between urban farms' production and distribution points in Chicago, IL
Notice bibliographique
Résumé
Urban farming remains popular as a potential sustainable replacement or supplement for traditional agricultural models, but little comprehensive research has been done regarding the socioeconomic characteristics of this food production and distribution model. Using the City of Chicago as a case study, this research seeks to understand where urban commercial farms are located and whether there exists a significant disparity between the social demographics of the neighbourhoods where these farms produce crops compared to where their goods are sold. The distribution of urban farm and sale points was determined by geocoding the location of all production (farms) and distribution points (sale points) for commercial urban farming companies in Chicago, then calculating spatial statistics and calculating the mean centers, standard distance, and standard deviational ellipses (SDE) for each. These were then overlaid onto choropleth maps containing socioeconomic indicator data derived from the US 2016 census. These socioeconomic indicators — median annual household income, mean home value, and percent racialized minority population — were analysed to determine if a correlation exists between each socioeconomic indicator and the location of farm and sale points. Findings reveal statistically-significant differences in the socioeconomic indicators of census tracts of farm versus sale point locations, showing a skewness in distribution of farm locations towards areas of lower socioeconomic status versus a skewness in distribution of sale point locations towards areas of higher socioeconomic status. The results suggest that, while farms are more likely to be located in marginalized neighbourhoods in Chicago, most produce grown by these farms is sold in more privileged areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».